Uma equipe de pesquisadores desenvolveu uma nova estrutura que utiliza machine learning avançado e algoritmos para prever eventos raros sem a necessidade de grandes conjuntos de dados. Isto é, desastres causados por eventos extremos como terremotos, pandemias ou tsunamis.
O problema atual é que esses eventos são tão raros que simplesmente não há dados sobre quando e como preveni-los com precisão.
No entanto, um grupo de cientistas da Brown University e do Massachusetts Institute of Technology querem solucionar esse problema.
Em um estudo publicado na Nature Computational Science, os pesquisadores explicam que utilizaram o modelo de machine learning DeepOnet, que é um tipo de rede neural artificial, que imita aproximadamente as conexões feitas pelos neurônios no cérebro humano. Essa combinação permite prever cenários, probabilidades e até mesmo cronogramas de eventos raros, apesar da falta de dados históricos.
Ao fazer isso, a equipe de pesquisa descobriu que essa nova estrutura pode fornecer uma maneira de contornar a necessidade de grandes quantidades de dados que são tradicionalmente necessários para esses tipos de cálculos. Ou seja, o desafio de prever eventos raros é uma questão de qualidade de dados, e não de quantidade.
Os pesquisadores descobriram que seu novo método superou os esforços de modelagem mais tradicionais e acreditam que apresenta uma estrutura que pode descobrir e prever com eficiência todos os tipos de eventos raros.
No artigo, a equipe de pesquisa descreve como os cientistas devem projetar experimentos futuros para que possam minimizar custos e aumentar a precisão das previsões. No momento, os cientistas estão focados em usar o novo método para prever eventos climáticos, como furacões.